Python 找到第二高的元素

在给定数组中，如何查找第二、第三、第四或第五个值

---

另外，如果我们在python中使用

max（）

函数，那么复杂度的顺序是什么，即与此函数相关的

max（）

那么：

sorted(li)[::-1][n]

---

如果性能是一个问题（例如：您打算经常这样称呼它），那么您应该始终对列表进行排序和重复数据消除，并且只保留第一个、第二个或第n个元素（即

o（1）

）

使用该模块进行此操作-它比“标准”排序快

insort

允许您插入元素，

bisect

将允许您查找是否应该插入元素（以避免重复）

---

如果不是，我建议简单一点：

def nth_largest(li, n):.
    return sorted(set(li))[-(n+1)]

如果反向索引在您看来很难看，您可以执行以下操作：

def nth_largest(li, n):
    return sorted(set(li), reverse=True)[n]    

我会选择：

import heapq
res = heapq.nlargest(2, some_sequence)
print res[1] # to get 2nd largest

这比将整个列表排序，然后取第一个

n

多个元素更有效。有关更多信息，请参阅。

您可以使用

排序（集合（元素））

：

作为一项功能：

def nth_largest(li, n):
    return sorted(set(li))[-n]

测试：

---

注意，这里您只需要对重复进行一次排序和删除，如果您担心性能，您可以缓存

sorted（set（li））

至于哪个方法的时间复杂度最低，这在很大程度上取决于您计划进行的查询类型

如果您计划对高索引进行查询（例如，在一个包含38个元素的列表中，第36大元素），那么您的函数

nth_最大（li，n）

将具有接近O（n^2）的时间复杂度，因为它必须多次执行max，即O（n）。除了使用

max（）

而不是

min（）

之外，它与选择排序算法类似

另一方面，如果您只进行低索引查询，那么您的函数可以是高效的，因为它将只应用O（n）

max

函数几次，并且时间复杂度将接近O（n）。然而，在线性时间O（n）内构建最大堆是可能的，您最好使用它。在您经历了构建堆的麻烦之后，堆上的所有

max（）

操作都将是O（1），这对您来说可能是一个更好的长期解决方案

---

我认为最具可扩展性的方法（就能够查询任意n个最大元素而言）是使用内置的

sort

函数对时间复杂度为O（n log n）的列表进行排序，然后从排序后的列表中进行O（1）次查询。当然，这不是最节省内存的方法，但就时间复杂度而言，它非常有效

如果您不介意使用numpy（

将numpy导入为np

）：

给你

---

partition（a，kth）

方法返回一个数组，其中

k

th元素与排序数组中的元素相同，前面的所有元素都较小，后面的所有元素都较大。

max（）的复杂度顺序是什么？@Hulk您必须在列表中扫描两次

max

。。。这会扫描它一次，并使用堆队列保留最大的两个元素，因为他指定只想计算唯一元素（即[1,2,2]）如果返回1而不是2，您首先必须为此设置列表以获得预期的结果。但是导入也是一项代价高昂的操作，那么为什么不使用内置排序呢method@JuanCatalanJon的意思是，您必须扫描列表两次，才能使用

max（）获得第二大元素

.reverse

执行到位并且不返回任何值。让我再试一次：您的代码现在不起作用，因为

li\u s.reverse（）

提供

None

，并且

None[n]

没有意义。只需执行

排序（li，reverse=True）[n]

在排序后避免有关列表反转的麻烦…严肃地说，“不要这么挑剔”？（a）在Jon为您重写之前，您的解决方案根本不起作用；（b）作为一名优秀的开发人员，关键在于挑剔。告诉我们您在哪里工作，这样我们就可以避免乘坐您为其编写控制系统的任何电梯。我自己重写了它。“不要挑剔”是一个笑话。不要太认真。如果您有清单

[1,2,2]

，您希望第二大元素是什么？

1

还是

2

？我希望您的情况是1

>>> a = (0, 11, 100, 11, 33, 33, 55)
>>>
>>> sorted(set(a))[-1] # highest
100
>>> sorted(set(a))[-2] # second highest
55
>>>

def nth_largest(li, n):
    return sorted(set(li))[-n]

>>> a = (0, 11, 100, 11, 33, 33, 55)
>>> def nth_largest(li, n):
...     return sorted(set(li))[-n]
...
>>>
>>> nth_largest(a, 1)
100
>>> nth_largest(a, 2)
55
>>>

np.partition(numbers, -i)[-i]